使用 Python 和 OpenCV 提取角点坐标并在图像上标记

本教程演示如何使用 Python 和 OpenCV 库执行角点检测并将检测到的角点标记在图像上。我们将使用 Harris 角点检测器来识别图像中的角点。

**代码示例：**pythonimport cv2import numpy as np

读取图像image = cv2.imread('your_image.jpg')

将图像转换为灰度图像gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

设定Harris角点检测的参数block_size = 2ksize = 3k = 0.04

执行Harris角点检测dst = cv2.cornerHarris(gray, block_size, ksize, k)

执行部分排序，获取最大的50个角点k = 50corner_indices = np.argpartition(dst.flatten(), -k)[-k:]

根据排序后的角点索引，提取角点坐标corners = np.array(np.unravel_index(corner_indices, dst.shape)).T

按照响应值降序排列sorted_corners = corners[np.argsort(dst[corner_indices])[::-1]]

在图像上绘制圆圈标记角点for corner in sorted_corners: cv2.circle(image, tuple(corner[::-1]), 5, (0, 0, 255), 2)

展示图像cv2.imshow('Corners', image)cv2.waitKey(0)cv2.destroyAllWindows()

代码解释：

1. 导入必要的库： 导入 cv2 (OpenCV) 和 numpy 库。2. 加载图像： 使用 cv2.imread() 函数加载图像。3. 转换为灰度： 使用 cv2.cvtColor() 函数将图像转换为灰度。4. 应用 Harris 角点检测： 使用 cv2.cornerHarris() 函数检测图像中的角点。5. 提取角点坐标： 获取检测到的角点的坐标，并使用 np.argpartition() 函数选择前 50 个最强的角点。6. 标记角点： 使用 cv2.circle() 函数在图像上绘制圆圈来标记角点的位置。7. 显示图像： 使用 cv2.imshow() 函数显示带有标记角点的图像。

使用方法：

1. 将 'your_image.jpg' 替换为您要处理的图像的路径。2. 运行代码。

运行代码后，将打开一个窗口，显示带有标记角点的图像。红色圆圈表示检测到的角点位置。您可以通过调整 cv2.circle() 函数的参数来自定义圆圈的颜色、大小和粗细。